一类随机线性系统的鲁棒自适应非线性控制设计

论文讨论了一类具有随机输入的线性控制系统的自适应鲁棒跟踪控制问题。将M.Krstic等提出的自适应非线性控制器设计方法与鲁棒控制基本原理相结合;证明了当控制系统的随机输入满足一定条件时,采用随机Backstepping自适应控制方法,能确保系统输出与参考信号误差的均方值全局有界,并能渐近收敛到一个预先任意置定的精度内。仿真实例表明这种控制器具有很好的鲁棒跟踪效果。     

非线性不确定系统的鲁棒确定与非线性H^∞控制

研究一类非线性不确定系统的局部鲁棒镇定,提出了不确定系统的Lyapunov型可镇定的鲁棒性概念。在不确定项满足模有界结构条件下,对控制矩阵的不确定性分2种情况,分别从H^∞控制和微分几何角度,给出了非线性H^∞控制与非线性系统Lyapunov型可镇定的充分条件。     

模有界非线性不确定系统的鲁棒镇定

研究一类带模有界条件的非线性不确定系统的鲁棒镇定。提出了不确定系统的Ｌｙａｐｕｎｏｖ型可镇定的鲁棒概念。在不确定项满足模有界结构条件下,对控制矩阵的不确定性分３种情况分别从Ｈ＾∞控制和微分几何角度,给出了系统Ｌｙａｐｕｎｏｖ型可镇定的充分条件,从而发展了现有的结果。     

不确定非线性系统的鲁棒自适应控制

针对一类具有一般不确定性的非线性系统（包括非线性不确定性、有界干扰、时变参数等）,利用递推设计方法,设计了一种新的用于输出调节的鲁棒自适应控制器．该控制器对非线性不确定性和有界干扰具有鲁棒性,并能保证闭环系统信号的全局有界性．其优点是对不确定性的知识要求较少．仿真实例表明,设计的鲁棒自适应控制器具有满意的控制效果．     

一类非线性系统的鲁棒自适应控制

针对一类不确定的非线性系统,提出了一种鲁棒自适应控制设计,该方法能保证闭环系统所有信号全局一致有界,并且使所研究的非线性系统的范围扩大,仿真结果表明了该控制方案的有效性.     

一种新型的鲁棒非线性励磁控制器

综合运用控制领域的新成果：反馈线性化方法和线性Ｈ∞控制原理，本文提出了一种鲁棒非线性控制器设计的新方法，并把这种设计方法用于电力系统鲁棒非线性励磁控制器的设计中。由于既考虑了电力系统的非线性特性又顾及了干扰的影响，所构造的励磁控制器不仅具有较好的内部稳定性而且对扰动和不确定因素有很强的适应能力。计算机仿真研究结果表明，与以往的励磁控制器相比，这种鲁棒非线性励磁控制器可以更好地提高系统的稳定性，并改善系统的动态特性。     

一种鲁棒自校正控制器

本文将广义最小方差策略与极点配置策略相结合并采用正则化及相对死区技术提出了一种鲁棒自校正显式算法,并给出了鲁棒性分析,物理实验结果和仿真结果。     

改进的鲁棒广义预测控制器

通过模型补偿方法提高预测精度，提出了一种便于实时计算的广义预测控制算法，理论分析及仿真该算法对建模误差具有抑制能力，从而增强了控制系统的鲁棒性。     

不确定非线性系统的鲁棒自适应控制

针对一类不确定非线性系统设计了一种鲁棒自适应控制方案,所设计的自适应控制器既能保证闭环系统所有信号的全局有界性,又能使跟踪误差以指数速度收敛到零的一个小邻域内,仿真结果表明了所提控制方案的有效性.     

非线性随机混杂系统的鲁棒耗散控制

针对一类带有多维噪声的带范数有界不确定项的非线性随机混杂系统,通过构造随机跳变系统的随机耗散性理论,给出了该类系统的耗散性定义、耗散不等式,以及系统保证耗散性的充分条件.在此基础上,针对带范数有界不确定项的非线性随机混杂系统,进行鲁棒状态反馈耗散控制,即通过求解线性矩阵不等式,设定状态反馈鲁棒控制器,使得在此控制作用下闭环系统满足耗散性.     

非线性动态系统中的反馈神经网络逼近*

人工神经网络常用于非线性动态系统建模,动态子系统中可以运用多种形式的静态非线性。为完成非线性动态系统建模,利用神经网络结构来近似静态非线性关系。自然地,建模过程中会出现相应的误差估计。分析了基于离散化和数据抽样系统结构因素建模所引起的误差,发掘出了等价输入输出结构可以作为误差分析的一种度量工具,刻画出了模型设计误差和逼近误差之间的相依关系并找到了如何选择合适的系统结构来减小误差。     

基于神经网络的随机动态系统的优化新方法

基于神经网络方法研究了一类随机动态系统的建模和最优化问题。首先将采样样本和相关的时间区域段上的平均值样本,用来训练一个多层反传网络,以得到该随机过程的神经网络模型;然后,基于一给定的随机目标函数,该网络模型用来寻优以获得系统操作变量的最优均值设定值。这一网络建模和优化方法用于解决一尿素合成塔的优化问题。仿真结果表明了这一方法的有效性。     

基于动态神经网络的一类非线性组合系统自适应控制

针对一类非线性组合大系统,提出一种用动态神经网络逼近组合大系统的新型设计方法·首先由动态神经网络辨识非线性组合大系统,也就是利用动态神经网络逼近系统的未知项和互联项,其次设计控制器使实际系统的状态来跟踪参考模型的轨迹·利用Lyapunov稳定性理论保证跟踪误差和其他信号是最终一致有界的·通过一个非线性系统例子的仿真证明这种设计方法的可行性·这种设计方法能够解决大系统中最为复杂的互联项问题,得出基于神经网络的自适应控制律·     

一类不确定非线性系统的神经网络鲁棒反推镇定控制

对一类不确定非线性系统,将反推控制和神经网络相结合,研究了其鲁棒渐近镇定控制问题。与通常研究中被控对象仅局限于严格反馈形式相比较,研究对象更具一般性。基于反推控制方法来构造镇定控制器,利用神经网络来逼近控制器构造过程中产生的不确定项,并提出一种新的自适应算法来在线调节神经网络权值。通过一步步适当地选取虚拟控制器的参数和神经网络权值的自适应律,最终得到的控制器使得整个闭环系统是全局渐近稳定的。     

带有界扰动的一类非线性系统的鲁棒输出反馈控制

对带有界扰动的一类非线性系统进行了输出反馈控制设计。当输出反馈控制律作用于该系统时，无扰动的闭环系统是渐近稳定的；当扰动较小时，系统的状态能够收敛到原点的一个小邻域内。     

一类不确定非线性系统的鲁棒稳定控制器的设计

运用微分流形的分布为工具，先将一类多输入多输出不确定非线性系统通过对角状态反馈变换为一个状态矩阵为区间矩阵的不确定线性系统，把非线性系统的不确定性和对角状态反馈变换误差转化为区间矩阵。再对区间矩阵系统应用实对称矩阵集合的最小上界定理进行鲁棒控制器设计，从而达到对原非线性系统的鲁棒稳定控制。最后通过一个算例验征了该方法的有效性。     

一类大规模随机非线性系统的适应镇定

讨论一类大规模随机非线性系统的适应镇定问题。采用Lyapunov和Backstepping方法设计了自适应的状态反馈控制器使得闭环系统是以概率稳定的,且使系统的状态以概率收敛为0;进一步,给出一个仿真算例说明方法的有效性。